大阪大学的研究人员开发了一个机器人平台，可在钙钛矿薄膜制备过程中实时观察成膜，并用机器学习理解哪些因素真正改善了材料质量。该成果发表于《ACS Nano》，研究团队将所学应用于涂覆工艺，制备出能量转换效率为24.4%的铅基钙钛矿太阳能电池。
钙钛矿是一种吸光材料，有望带来更便宜、更轻的太阳能电池，但制备过程非常敏感：温度、湿度等条件的微小变化都会改变液体溶液干燥结晶后形成的薄膜。新系统将薄膜沉积与光学成像和环境测量相结合，追踪液体涂层向晶体薄膜的转变。
以毫秒级速度观察
关键进展在于观察速度。该平台可在不到一秒的时间尺度上捕捉薄膜颜色变化，并在短短几毫秒内解析抗溶剂液滴的运动与冲击。这很重要，因为这些快速事件会影响薄膜随后的形成，而手工稀疏测量很难捕捉它们。
第一作者Ryosuke Kado表示：“我们希望超越反复试错，在薄膜真正形成的同时测量它的变化。我们的系统可以将这些实时变化与钙钛矿薄膜质量联系起来，并找出最重要的因素。”资深作者Akinori Saeki补充说，自动化收集的信息远比手工方式丰富，机器学习有助于在众多变量中发现难以察觉的关系。
从数据到器件
分析确定了液滴行为的最佳范围，用于优化抗溶剂涂覆工艺。在优化条件下，器件效率达到24.4%——这是一个实验室结果，而非可大规模生产的电池。作者认为，该平台提供了一种更系统的优化制备方法，有助于发现加工条件与薄膜质量之间此前未知的关系，从而加速光伏研究。
需要保持客观：24.4%对受试器件而言是不错的结果，但该研究并未声称解决了钙钛矿长期稳定性问题——对潮湿、高温和光照敏感——也未声称大规模制造已经可行。这里的进展是方法上的：在成膜过程中测得更好，才能在之后做出更好的决策。
来源：Tech Xplore，源自大阪大学（2026年11月2日）；Nanowerk；ACS Nano论文（DOI：10.1021/acsnano.6c11386）。
图片说明：叠层钙钛矿太阳能电池示意照片，来源：pv magazine Australia。该图片并非大阪大学平台的示意图。
透明度声明：本文在人工智能的协助下撰写，并交叉核对了公开报道和网络来源。请查阅原始来源以确认细节。
Muse
